前辅文
 第一篇 基础篇
  第1章 认识MATLAB
   1.1 MATLAB 简介
    1.1.1 MATLAB 概述
    1.1.2 MATLAB 的功能特点
   1.2 MATLAB 的用户界面
   1.3 MATLAB 矩阵运算
    1.3.1 MATLAB 中的变量
    1.3.2 基本矩阵的操作
    1.3.3 稀疏矩阵
    1.3.4 矩阵的运算
   1.4 MATLAB 的编程基础
    1.4.1 编程概述
    1.4.2 流程控制
    1.4.3 脚本文件
    1.4.4 函数文件
    1.4.5 M 文件调试
   1.5 MATLAB 绘图及实用技巧
    1.5.1 绘图
    1.5.2 实用技巧
 第二篇 信号处理篇
  第2章 信号处理分析基础
   2.1 信号的分类和采样定理
   2.2 常用信号的产生
    2.2.1 基本信号的产生
    2.2.2 仿真信号的生成
   2.3 实际信号的采集
    2.3.1 数据采集系统设计的基本原则与一般步骤
    2.3.2 柴油发动机非稳态振动信号采集系统
   2.4 信号的基本分析方法
    2.4.1 信号的时域分析
    2.4.2 信号的频域分析
  第3章 时频分析方法的MATLAB 实现及应用研究
   3.1 短时Fourier 变换的MATLAB 实现
    3.1.1 短时Fourier 变换基本原理
    3.1.2 短时Fourier 变换的MATLAB 函数及举例
   3.2 Gabor 变换的MATLAB 实现
    3.2.1 Gabor 变换
    3.2.2 Gabor 变换的MATLAB 函数及举例
   3.3 Wigner--Ville 时频分布的MATLAB 实现
    3.3.1 Wigner--Ville 时频分布
    3.3.2 Wigner--Ville 时频分布的MATLAB 函数及举例
   3.4 时频分布在机械故障诊断中的应用实例
  第4章 小波分析的MATLAB 实现及应用研究
   4.1 小波分析的基本理论
    4.1.1 连续小波变换
    4.1.2 离散小波变换
    4.1.3 多分辨率分析
    4.1.4 小波包分析
   4.2 小波分析的主要函数介绍
    4.2.1 一维连续小波变换
    4.2.2 一维离散小波变换
    4.2.3 小波包变换
    4.2.4 信号的小波消噪
   4.3 小波分析在机械故障诊断中的应用实例
    4.3.1 基于小波降噪预处理的时频分布诊断柴油机断油故障
    4.3.2 小波频带能量累加法分析柴油机气门磨损故障
    4.3.3 小波包--AR 谱分析变速器轴承故障
  第5章 Hilbert--Huang 变换的MATLAB 实现及 应用研究
   5.1 Hilbert--Huang 变换的基本理论
    5.1.1 固有模态函数(IMF)
    5.1.2 EMD 原理
    5.1.3 Hilbert 谱与Hilbert 边际谱
    5.1.4 EMD 的局限性
   5.2 Hilbert--Huang 变换的MATLAB 主要函数及实现
    5.2.1 Hilbert--Huang 变换主要函数
    5.2.2 Hilbert--Huang 变换仿真实例
   5.3 Hilbert--Huang 变换在机械故障诊断中的应用实例
    5.3.1 EMD--AR 谱提取柴油机活塞、 活塞销故障特征
    5.3.2 EMD--\,包络谱变速器故障诊断
    5.3.3 基于EMD 预处理的伪WVD 时频分布提取信号特征
    5.3.4 基于EMD--SVD 变换的柴油机曲轴轴承故障特征提取
  第6章 分数阶Fourier 变换的MATLAB 实现及应用研究
   6.1 分数阶Fourier 变换的基本理论
   6.2 分数阶Fourier 变换的特点
   6.3 分数阶Fourier 变换的应用
   6.4 分数阶Fourier 变换的基本理论
    6.4.1 基本定义
    6.4.2 主要性质
   6.5 分数阶滤波的MATLAB 函数实现
    6.5.1 FRFT 自适应滤波原理
    6.5.2 FRFT 自适应滤波阶次确定
    6.5.3 FRFT 自适应滤波的MATLAB 实现
   6.6 基于分数阶滤波的应用实例
    6.6.1 实验台设置
    6.6.2 机械故障诊断实例
  第7章 图像处理技术的MATLAB 实现及应用研究
   7.1 图像处理的基本知识
    7.1.1 图像的类别与数据格式
    7.1.2 图像读入、 显示和保存的MATLAB 实现
    7.1.3 图像格式转换的MATLAB 实现
    7.1.4 常用图像处理方法的MATLAB 实现
   7.2 基于对称极坐标图像的生成方法
    7.2.1 基于对称极坐标图像的生成
    7.2.2 对称极坐标方法参数的选择
    7.2.3 基于对称极坐标方法的振动信号图像的生成
   7.3 基于灰度共生矩阵的方法提取振动图像特征
    7.3.1 灰度图像生成方法
    7.3.2 灰度共生矩阵及特征参数
    7.3.3 振动信号灰度图像的特征提取代码实现
 第三篇 模式识别篇
  第8章 人工神经网络的MATLAB 实现及应用研究
   8.1 人工神经网络的基本概念
    8.1.1 人工神经元
    8.1.2 传递函数
    8.1.3 人工神经网络的分类和特点
   8.2 BP 人工神经网络
    8.2.1 BP 人工神经网络算法简介
    8.2.2 BP 人工神经网络的MATLAB 函数
    8.2.3 BP 人工神经网络在机械故障诊断中的应用
   8.3 径向基函数神经网络
    8.3.1 径向基函数神经网络算法简介
    8.3.2 径向基函数神经网络的MATLAB 函数
    8.3.3 径向基函数神经网络在机械故障诊断中的应用
  第9章 模糊理论的MATLAB 实现及应用研究
   9.1 模糊理论基础
    9.1.1 模糊集合
    9.1.2 模糊关系
    9.1.3 模糊变换与模糊综合评判
    9.1.4 If$\cdots $then 规则
    9.1.5 模糊推理
   9.2 模糊聚类分析
    9.2.1 模糊聚类基本概念
    9.2.2 模糊聚类分析的MATLAB 实现
    9.2.3 模糊聚类分析在机械故障诊断中的应用
   9.3 模糊神经网络
    9.3.1 模糊神经网络的MATLAB 实现
    9.3.2 模糊神经网络在机械故障诊断中的应用
  第10章 遗传算法的MATLAB 实现及应用研究
   10.1 遗传算法简介
    10.1.1 遗传算法的基本原理
    10.1.2 遗传算法分析
   10.2 遗传算法的MATLAB 实现
    10.2.1 编码
    10.2.2 解码
    10.2.3 选择
    10.2.4 交叉
    10.2.5 变异
   10.3 遗传算法在机械故障诊断中的应用
    10.3.1 诊断问题的数学描述
    10.3.2 遗传算法在机械故障诊断中的应用实例
  第11章 粒子群算法的MATLAB 实现及应用研究
   11.1 粒子群算法的基本原理
   11.2 粒子群算法在机械故障诊断中的应用
    11.2.1 基于改进PSO 的BP 混合算法
    11.2.2 粒子群算法在机械故障诊断中的应用实例
  第12章 支持向量机的MATLAB 实现及应用研究
   12.1 支持向量机
    12.1.1 统计学习理论
    12.1.2 最优分类面
    12.1.3 支持向量机模型
   12.2 支持向量机的MATLAB 实现
    12.2.1 支持向量分类的相关函数
    12.2.2 支持向量回归的相关函数
    12.2.3 SVM 工具箱中的其他函数
    12.2.4 数据的导入方法
    12.2.5 SVM 工具箱的应用实例
   12.3 支持向量机在机械故障诊断中的应用
 参考文献
 彩页